Bayes Factors and Choice Criteria for Linear Models
线性模型的贝叶斯因子与选择准则AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般线性模型的贝叶斯选择理论，未指定时间序列、预测、因子模型或其他所列应用，暂不归入领域细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
线性模型的贝叶斯因子与选择准则
- 研究问题
- 在线性模型之间进行选择时，全局与局部贝叶斯因子各承担什么角色，它们与 Schwarz 准则及 AIC 有何关系？
- 方法与思路
- 作者定义全局和局部贝叶斯因子，分别考察其模型选择作用，并分析它们与既有信息准则及模型复杂度惩罚的联系。
- 材料陈述的贡献
- 摘要称全局贝叶斯因子在适当情境下自动体现奥卡姆剃刀原则并接近 Schwarz 准则，局部因子则与 AIC 密切相关。
- 阅读关注点
- 应核对两类贝叶斯因子的定义、先验和比较对象，以及与信息准则的联系究竟属于精确关系还是特定条件下的近似。
- 阅读边界
- 仅依据所给 Crossref 摘要；未说明适当情境及先验设定，不能推断两类因子与信息准则恒等或具有普遍选择优势。
原文摘要
Summary Global and local Bayes factors are defined and their respective roles examined as choice criteria among alternative linear models. The global Bayes factor is seen to function, in appropriate contexts, as a fully automatic Occam's razor and to be closely related to the Schwarz model choice criterion. The local Bayes factor is shown to have a close relationship with the Akaike Information Criterion.